گجت نیوز آخرین اخبار تکنولوژی، علم و خودرو 
هوش مصنوعی در آزمون رانندگی واقعی با یک خودروی فیزیکی به چالش کشیده شد و نتایج نشان داد که این فناوری هنوز راه درازی تا رانندگی ایمن دارد.
اخیراً سه پژوهشگر برای سنجش توانایی‌های هوش مصنوعی در دنیای واقعی، چالشی نوآورانه ترتیب دادند: رانندگی یک اتومبیل خودران در یک مسیر مشخص با نظارت انسانی. این آزمایش جذاب که با استفاده از یک تویوتا کرولا مدل ۲۰۲۲ انجام شد، مدل‌های برجسته هوش مصنوعی مانند Grok و GPT را پشت فرمان قرار داد. هدف این بود که مشخص شود آیا مدل‌های زبانی بزرگ که برای تولید متن طراحی شده‌اند، می‌توانند از پس وظایف پیچیده رانندگی فیزیکی برآیند یا خیر. نتایج به‌دست‌آمده، در عین غافلگیرکننده بودن، مرزهای فعلی هوش مصنوعی را در تعامل با جهان فیزیکی آشکار کرد.
سه پژوهشگر به نام‌های آدیتیا رامابادران، سایمون مانس و توبیاس گسلر، پلتفرم DrivingBench را توسعه دادند تا توانایی مدل‌های هوش مصنوعی را در رانندگی با یک خودروی واقعی بسنجند. در این آزمایش، مدل‌های هوش مصنوعی مانند Claude، GPT، Grok و GPT-6 Astra پشت فرمان یک تویوتا کرولا مدل ۲۰۲۲ قرار گرفتند. مسیر آزمون یک میدان پارکینگ به طول ۱۳۴.۷ متر بود که با مخروط‌هایی علامت‌گذاری شده بود. از ۱۱ دور آزمایشی که توسط چهار مدل مختلف انجام شد، هشت مورد نتوانستند بیش از ۱۱ درصد مسیر را طی کنند و پیش از رسیدن به پیچ اول یا تصادف کردند یا متوقف شدند. تنها یک مدل، GPT-6 Astra از شرکت OpenAI، موفق شد کل مسیر را به پایان برساند، آن هم در تلاش دوم خود.
چالش‌های هوش مصنوعی در آزمون رانندگی: از Grok تا Claude
Grok 4.6 در سه دور آزمایش، هرگز از ۱۱ درصد مسیر فراتر نرفت. در یکی از تلاش‌هایش، این مدل شکاف بین مخروط‌ها را به‌عنوان یک مسیر ورودی تلقی کرد و از مسیر اصلی منحرف شد. تلاش‌های دیگر Grok نیز بهتر نبود و تنها ۸ تا ۱۰ درصد مسیر را طی کرد و پس از حدود ۲۲ متر متوقف شد. مدل دیگری از GPT به نام GPT-5.6 Sol نیز با مشکل منطقی مواجه شد و با وجود دستورالعمل‌های صریح، قانونی خودساخته درباره رنگ مخروط‌ها وضع کرد که منجر به شکست آن در ۶ درصد مسیر در هر سه تلاش شد. مدل Fable 5.1 از Claude عملکرد بهتری داشت و تا ۴۵ درصد مسیر پیش رفت، اما نتوانست آن را به اتمام برساند. نقص اصلی در اکثر این مدل‌ها، ناتوانی در محاسبه دقیق زاویه فرمان مورد نیاز برای چرخش‌ها بود که باعث می‌شد خودروها یا به مخروط‌ها برخورد کنند یا بیش از حد فرمان را بچرخانند و از مسیر خارج شوند.
- خداحافظی با رانندگی؛ خودروها به‌زودی بدون شما به خرید می‌روند!
- انویدیا: فناوری هوش مصنوعی جدید «تفکر انسانی» را به خودروهای خودران می‌آورد
- حالت «مد مکس» در اتومبیل‌های تسلا چیست و چرا دولت آمریکا را نگران کرده است؟
چرا مدل‌های هوش مصنوعی در رانندگی شکست خوردند؟
خودرو با سرعت حداکثر ۳.۵ متر بر ثانیه حرکت می‌کرد و فرمان‌پذیری آن نیز محدود بود. هر مدل هوش مصنوعی مسیر را از طریق فریم‌های دوربین مشاهده کرده و سپس دستورات حرکتی شامل جهت، درصد فرمان، سرعت و مدت‌زمان را صادر می‌کرد. این دستورات باید به‌طور پیوسته ارسال می‌شدند؛ در غیر این صورت، خودرو به‌طور خودکار ترمز می‌کرد. این چرخه مداوم خواندن و واکنش نشان دادن همان جایی بود که هوش مصنوعی در آزمون رانندگی با مشکل مواجه شد. مدل‌ها که اساساً برای تولید متن طراحی شده‌اند، زمان زیادی برای پردازش و تصمیم‌گیری صرف می‌کردند. به‌عنوان مثال، مدل Fable از Claude در یک دور ۱۹۰ ثانیه‌ای، تنها ۳۱ ثانیه در حال حرکت بود و بقیه زمان را به تفکر و درنگ می‌گذراند. این تاخیرها باعث می‌شد خودرو بدون ورودی کافی حرکت کند و در مواجهه با چالش‌های لحظه‌ای مانند تشخیص پیچ‌ها و موقعیت صحیح مسیر، ناتوان بمانند.
GPT-6 Astra؛ تنها موفق در آزمون رانندگی، اما پرهزینه
GPT-6 Astra در تلاش اول خود تا ۴۹ درصد مسیر پیش رفت. در تلاش دوم، این مدل توانست پس از ۵ دقیقه و ۲۲ ثانیه حرکت آهسته، مسیر را کامل کند. جالب است که آسترا در ۲۰ فرمان از ۲۴ فرمان خود، از حداکثر زاویه فرمان استفاده کرد که به نظر می‌رسد پس از شکست اول، این استراتژی را آموخته بود. این پیروزی برای GPT-6 Astra ارزان تمام نشد؛ هزینه استفاده از توکن‌ها برای این دور موفق، ۷.۷۴ دلار بود که تقریباً چهار برابر هزینه تلاش ناموفق اول آن بود. در مقایسه، Grok در تلاش سوم خود (که تنها ۲۲ متر را طی کرد و شکست خورد) بیش از ۵۱۶,۰۰۰ توکن مصرف کرده بود. این آزمایش‌ها نشان داد که هرچند یک مدل هوش مصنوعی می‌تواند در رانندگی واقعی موفق شود، اما این روش فعلاً بسیار کُند و پرهزینه است و با سیستم‌های خودران اختصاصی مانند Waymo فاصله زیادی دارد.